如何在 TensorFlow 对象检测 API 中重用分类层

Question

使用来自Tensorflow detection model zoo 的带有 SSD_inception_v2_coco 的 Tensorflow 对象检测 API，

我想保留预训练模型中分类器和特征提取器权重中的原始权重。

来自这个discussion，

在 train.config 中添加 freeze_variables: ".*FeatureExtractor.*" 将在训练期间冻结特征提取器的权重。

这是否意味着我在预训练模型中具有相同的特征提取器权重？

来自这个discussion，

如果类数与预训练模型不同，

分类器的权重将被初始化。

如果我使用来自 SSD-Inception-v2-coco 的相同标签映射，这是否意味着我可以在预训练模型中拥有相同的分类器权重？

我的第三个问题是关于配置文件中的 from_detection_checkpoint。

来自configuring_jobs.md

"from_detection_checkpoint 是一个布尔值。如果为 false，则假定检查点来自对象分类检查点。"

我猜检测检查点来自Tensorflow detection model zoo

分类检查点来自TensorFlow-Slim image classification model library

我说的对吗？

感谢您在我的问题上花费宝贵的时间。

Answer 1

1. So does it mean I have the same feature-extractors' weights in the pre-trained model?

特征提取器和分类器是同一个东西。它们本质上都是来自 Inception V2 预训练权重的权重。如果您使用 Inception V2 权重作为 SSD 的特征提取器，则 Inception 中将 CNN 输出转换为类概率的最后一层将被忽略。因此，您可以使用在 Imagenet 上训练的特征提取器/分类器，比如说，在 SSD 中从 COCO 类列表中检测对象。

2. Does it mean I can have the same classifiers' weights in the pre- traind model if I use the same label map from SSD-Inception-v2-coco?

是的，检测和分类检查点来自您列出的页面。